本發(fā)明涉及人臉識別，具體涉及人臉信息識別系統(tǒng)。

背景技術(shù)：

目前，APP系統(tǒng)中，推送信息時，其他人都可以查看到，不能有效精準(zhǔn)識別是否推送的信息。需要人為篩選及過濾其信息。一些隱私信息恐會泄露。

技術(shù)實現(xiàn)要素：

本發(fā)明針對上述問題，提供了一種人臉信息識別系統(tǒng)，包括人臉檢測模塊、人臉配準(zhǔn)模塊、人臉識別確認(rèn)模塊；所述人臉檢測模塊檢測到人臉的信息，并傳遞給人臉配準(zhǔn)模塊；人臉配準(zhǔn)模塊根據(jù)人臉信息，進(jìn)行配準(zhǔn)；配準(zhǔn)完成后傳遞給人臉識別確認(rèn)模塊進(jìn)行確認(rèn)。

所述人臉信息識別系統(tǒng)的識別方法包括以下步驟：

S1，通過人臉識別技術(shù)快速采集信息；

S2，信息通過處理，識別其使用人；

S3，開始信息處理，儲存信息及推送信息。

所述步驟S1具體為：通過人臉識別技術(shù)采集人臉特征點的信息，包括采集該信息。

所述步驟S2包括人臉信息采集和處理：

人臉信息采集：

通過計算特征點周圍鄰域紋理信息生成每個特征點對應(yīng)的響應(yīng)圖；使用整體人臉來描述紋理特征，通過將人臉特征點位置變換到標(biāo)準(zhǔn)形狀上，得到與形狀無關(guān)的人臉紋理,并基于主元分析方法對形狀無關(guān)的人臉紋理進(jìn)行建模；

人臉信息處理：

采用Cascade CNN，包含三級，每級包含多個卷積網(wǎng)絡(luò)，第一級給出一個初始點位置估計，在此基礎(chǔ)上后兩級精細(xì)調(diào)整特征點位置；多任務(wù)配準(zhǔn)將配準(zhǔn)與其他相關(guān)人臉屬性的訓(xùn)練同時進(jìn)行，與臉部特征點相關(guān)的屬性包含頭部姿態(tài)，表情。

本發(fā)明的優(yōu)點：

本發(fā)明通過人臉識別，自動快速識別，篩選出自己設(shè)定的信息及別人推送給自己的信息。保證了信息的隱私性、安全性、及精準(zhǔn)性。

除了上面所描述的目的、特征和優(yōu)點之外，本發(fā)明還有其它的目的、特征和優(yōu)點。下面將參照圖，對本發(fā)明作進(jìn)一步詳細(xì)的說明。

附圖說明

構(gòu)成本申請的一部分的附圖用來提供對本發(fā)明的進(jìn)一步理解，本發(fā)明的示意性實施例及其說明用于解釋本發(fā)明，并不構(gòu)成對本發(fā)明的不當(dāng)限定。

圖1是本發(fā)明的一種人臉信息識別系統(tǒng)的結(jié)構(gòu)框圖；

圖2是本發(fā)明的一種人臉信息識別系統(tǒng)的識別方法流程圖；

圖3是本發(fā)明的一種人臉信息識別系統(tǒng)的識別方法的人臉信息處理流程圖；

圖4為本發(fā)明的人臉圖像中人臉特征點的統(tǒng)計分布圖；

圖5為本發(fā)明的人臉響應(yīng)圖。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，以下結(jié)合附圖及實施例，對本發(fā)明進(jìn)行進(jìn)一步詳細(xì)說明。應(yīng)當(dāng)理解，此處所描述的具體實施例僅僅用以解釋本發(fā)明，并不用于限定本發(fā)明。

參考圖1，如圖1所示的一種人臉信息識別系統(tǒng)，包括人臉檢測模塊、人臉配準(zhǔn)模塊、人臉識別確認(rèn)模塊；所述人臉檢測模塊檢測到人臉的信息，并傳遞給人臉配準(zhǔn)模塊；人臉配準(zhǔn)模塊根據(jù)人臉信息，進(jìn)行配準(zhǔn)；配準(zhǔn)完成后傳遞給人臉識別確認(rèn)模塊進(jìn)行確認(rèn)。

參考圖2，如圖2所示，所述人臉信息識別系統(tǒng)的識別方法包括以下步驟：

S1，通過人臉識別技術(shù)快速采集信息；

S2，信息通過處理，識別其使用人；

S3，開始信息處理，儲存信息及推送信息。其中的信息推送指的是推送指定某個人的信息，如：事件提醒、日志提醒等。

所述步驟S1具體為：通過人臉識別技術(shù)采集人臉特征點的信息，包括采集該信息。

所述步驟S2包括人臉信息采集和處理：

人臉信息采集：

通過計算特征點周圍鄰域紋理信息生成每個特征點對應(yīng)的響應(yīng)圖；使用整體人臉來描述紋理特征，通過將人臉特征點位置變換到標(biāo)準(zhǔn)形狀上，得到與形狀無關(guān)的人臉紋理,并基于主元分析方法對形狀無關(guān)的人臉紋理進(jìn)行建模；

人臉信息采集包括人臉以下點信息的采集：

下巴輪廓左點1、左點2、左點3、左點4、左點5、左點6、左點7、左點8、左點9，下巴輪廓右點1、右點2、右點3、右點4、右點5、右點6、右點7、右點8、右點9；

左眼底、左眼中心、左眼左上點、左眼右上點、左眼左下點、左眼右下點、左眼瞳孔、右眼底、右眼中心、右眼左上點、右眼右上點、右眼左下點、右眼右下點、右眼瞳孔、左眉左點、左眉右點、左眉中點、左眉左上點、左眉右上點、左眉左下點、左眉右下點、左眉上中點、左眉下中點、右眉左上點、右眉右上點、右眉左下點、右眉右下點、右眉上中點、右眉下中點；

嘴上唇左點1、嘴上唇左點2、嘴上唇左點3、嘴上唇右點1、嘴上唇右點2、嘴上唇右點3；嘴下唇左點1、嘴下唇左點2、嘴下唇左點3、嘴下唇右點1、嘴下唇右點2、嘴下唇右點3；鼻子左點1、左點2、左點3，鼻子右點1、右點2、右點3，鼻尖左點、鼻尖右點。

CascadeCNN是對經(jīng)典的Violajones方法的深度卷積網(wǎng)絡(luò)實現(xiàn)，是一種檢測速度較快的人臉檢測方法。使用VGA圖片，在CPU上達(dá)到14FPS，GPU上達(dá)到100FPS，在FDDB上達(dá)到85.1％的召回率和87％的準(zhǔn)確率。

人臉信息處理：

參考圖3，如圖3所示，采用Cascade CNN，包含三級，每級包含多個卷積網(wǎng)絡(luò)，第一級給出一個初始點位置估計，在此基礎(chǔ)上后兩級精細(xì)調(diào)整特征點位置；多任務(wù)配準(zhǔn)將配準(zhǔn)與其他相關(guān)人臉屬性的訓(xùn)練同時進(jìn)行，與臉部特征點相關(guān)的屬性包含頭部姿態(tài)，表情。

人臉特征點不同于角點或SIFT特征點通常意義上的圖像特征點，人臉特征點通常是一組由人工事先定義的點。

最直接被采用的特征描述符是顏色、灰度，利用膚色的不同對人臉各部分進(jìn)行檢測定位；稍復(fù)雜些可選擇各種紋理特征描述，如基于類Haar紋理特征和Adaboost訓(xùn)練級聯(lián)分類器的人臉配準(zhǔn)；

以上特征描述都沒有考慮特征點之間的位置關(guān)系，因此不具備維持合理的人臉結(jié)構(gòu)；主動形狀模型(Active Shape Models,ASM)和主動外觀模型(Active Appearance Model,AAM)可以同時表達(dá)紋理和形狀(shape)兩種特征；二者的形狀特征都由點分布模型(Point Distribution Model,PDM)來表達(dá)。

圖4為600張人臉圖像中人臉特征點的統(tǒng)計分布圖；ASM的每個特征點的紋理特征是分別表示的，通過計算特征點周圍鄰域紋理信息生成每個特征點對應(yīng)的響應(yīng)圖(Response Map)；圖5中，AAM使用整體人臉來描述紋理特征，通過將人臉特征點位置變換到標(biāo)準(zhǔn)形狀上，得到與形狀無關(guān)的人臉紋理,并基于主元分析方法對形狀無關(guān)的人臉紋理進(jìn)行建模。

Cascade CNN包含三級，每級包含多個卷積網(wǎng)絡(luò)，第一級給出一個初始點位置估計，在此基礎(chǔ)上后兩級精細(xì)調(diào)整特征點位置；多任務(wù)配準(zhǔn)將配準(zhǔn)與其他相關(guān)人臉屬性的訓(xùn)練同時進(jìn)行，與臉部特征點相關(guān)的屬性包含頭部姿態(tài)，表情，比如笑臉的嘴部很可能是張開的，正面臉特征點則對稱分布；多任務(wù)有助于提升特征點檢測定位精度，然而不同的任務(wù)會有不同的收斂速度和難度，訓(xùn)練難度加大。目前學(xué)界提供了兩種解決方案調(diào)整不同的任務(wù)的訓(xùn)練進(jìn)程：目前學(xué)界提供了兩種解決方案調(diào)整不同的任務(wù)的訓(xùn)練進(jìn)程：任務(wù)提早終止準(zhǔn)則(task-wise early stopping criterion)和參數(shù)動態(tài)控制機(jī)制。

任務(wù)提早終止準(zhǔn)則(task-wise early stopping criterion)：此準(zhǔn)則是基于譯碼迭代過程中不可靠變量節(jié)點個數(shù)的變化而來,可以以低計算復(fù)雜度有效的降低譯碼迭代次數(shù),同時大幅度降低了校驗方程的硬判決次數(shù)。

參數(shù)動態(tài)控制機(jī)制：定義類內(nèi)離散度矩陣,利用參數(shù)來權(quán)衡其特征值估計的偏差和方差,以解決小樣本問題；對類間離散矩陣加權(quán),讓邊緣類均勻分布,防止邊緣類的重疊,以提高識別率。

本發(fā)明的人臉信息識別系統(tǒng)能用于公司，家庭等小范圍內(nèi)共享信息及私密信息共存的場景。如：冰箱內(nèi)容提醒器等。

本發(fā)明通過人臉識別，自動快速識別，篩選出自己設(shè)定的信息及別人推送給自己的信息。保證了信息的隱私性、安全性、及精準(zhǔn)性。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進(jìn)等，均應(yīng)包含在本發(fā)明的保護(hù)范圍之內(nèi)。